公开(公告)号：CN108595643A

公开(公告)日：2018-09-28

申请号：CN201810384910.2

申请日：2018-04-26

Applicant: 重庆邮电大学

Inventor： 唐贤伦 ,  林文星 ,  万辉 ,  杜一铭 ,  魏畅 ,  昌泉 ,  杨济维 ,  伍亚明

IPC: G06F17/30 ,  G06F17/27 ,  G06N3/04

Abstract: 本发明请求保护一种基于多分类节点卷积循环网络的文本特征提取及分类方法。首先对文本数据进行预处理生成词向量；然后一维卷积网络提取多个词的词向量的组合特征；分别将提取到的词语组合特征输入双向长短期记忆循环网络和多重卷积网络中。其中双向长短期记忆循环网络的输出作为主分类器的输入，多重卷积网络含有辅分类器，辅助网络训练。优化加权后的总损失函数，并对主分类器进行性能测试并实现分类。本发明能够获得较高的分类准确率。

公开(公告)号：CN109871882A

公开(公告)日：2019-06-11

申请号：CN201910067894.9

申请日：2019-01-24

Applicant: 重庆邮电大学

Inventor： 唐贤伦 ,  杨济维 ,  伍亚明 ,  魏畅 ,  昌泉 ,  林文星

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明请求保护一种基于高斯伯努利卷积深度置信网络的脑电分类信号方法，该方法采用预处理阶段采用基于负熵最大的盲源分离算法去除运动想象脑电的信号干扰；基于互信息选取频率和电极参数，将高斯伯努利受限玻尔兹曼机的无监督学习和卷积神经网络相结合进行特征提取并分类，新的基于高斯伯努利受限玻尔兹曼机的卷积深度置信网络模型模型可以通过生成的卷积滤波器从全尺寸图像中提取出有意义的特性，减少相当多的负权值，能更有效地从邻近的图像补丁中学习空间信息，明显提高了脑电信号类别判别的正确率，使脑电信号类别判别的精确度得到较大改善与提高。